粒子フィルタと機械学習を用いた資産運用に関する研究

使用粒子过滤器和机器学习的资产管理研究

• 批准号: 17J09127
• 负责人: 中野 雅史
• 金额: $ 0.83万
• 依托单位: The University of Tokyo
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2017
• 资助国家: 日本
• 起止时间: 2017-04-26 至 2020-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-17J09127/
• 关键词: 粒子フィルタ; 人工知能; ファイナンス; 投資問題; 投資; 機械学習; 状態空間モデル; ファジィシステム; 深層学習; 金利モデル; カルマンフィルタ

生産者人口の減少とマイナス金利の常態化により，公的年金制度の維持のためには積極的な金融投資活動が不可欠である．研究者は，その状況を打開するために既存の運用手法を大幅に改善する新しいアプローチを提案した．結果として，平成31年度は1本の論文が査読付き国際論文誌にアクセプトされるという結果を得ることができた．特に，本研究においては，昨今急速に発展を遂げつつある人工知能(AI)技術を金融投資問題へ応用した．一般に金融市場は，様々な要因に基づいて確率的に変動する非線形非定常な体系である．従って，AIが効果的であると実証されてきた分野におけるような静的な環境を想定した既存のパラメータ学習手法をそのまま用いてもうまく働かないことが多い．そのため我々は，既存の学習手法を基に，動的な環境変化にパラメータを適応させる新しい学習手法を提案した．具体的には“State-space approach to adaptive fuzzy modeling for financial investment”において，Fuzzy systemの適応的学習に応用した．その有用性は，米国と日本の株式・債券に関する資産配分問題において検証され，我々のモデルは，既存の学習手法を頑健に上回るパフォーマンスを上げた．なお本論文はApplied Soft Computingという査読付き国際論文誌にアクセプトされている．さらに，我々は期待リターンの推定値に依存しない新たなμ-free戦略の開発に取り組んだ．研究者は，ニューラルネットワークにより抽出される特徴を利用する新たなμ-free戦略を提案した． “A new investment method with AutoEncoder: Applications to cryptocurrencies”と名付けられた本論文は，現在査読付き国際論文誌に投稿中である．

随着生产者人口的减少和负利率成为常态，积极的金融投资活动对于维持公共养老金体系至关重要。为了克服这种情况，研究人员提出了一种新方法，可以显着改进现有的操作方法。结果，我们在 2019 年获得了一篇论文被同行评审的国际期刊接受。特别是，本研究将近年来快速发展的人工智能（AI）技术应用于金融投资问题。一般来说，金融市场是非线性、不稳定的系统，会根据各种因素随机波动。因此，现有的假设静态环境的参数学习方法，例如在人工智能已被证明有效的领域中，通常效果不佳。因此，我们在现有学习方法的基础上提出了一种使参数适应动态环境变化的新学习方法。具体来说，我们将其应用于“金融投资自适应模糊建模的状态空间方法”中模糊系统的自适应学习。它的实用性在美国和日本涉及股票和债券的资产配置问题中得到了验证，并且我们的模型明显优于现有的学习方法。该论文已被同行评审的国际期刊Applied SoftComputing接收。此外，我们致力于开发一种新的 μ-free 策略，该策略不依赖于估计的预期回报。研究人员提出了一种新的 μ-free 策略，该策略使用神经网络提取的特征。这篇题为“自动编码器的新投资方法：加密货币的应用”的论文目前正在提交给一家国际同行评审期刊。